在被动测量的情况下，仅仅利用目标的方位信息，估计目标运动参数的过程，称为纯方位目标运动分析(BTMA)。它的应用价值在于：观察者可以在隐蔽状态下，实现对战场态势的评估，完成对目标的定位，从而实施突然打击。本书用八章篇幅对此进行研究。

第一章 目标定位概述
1.1 目标定位与命中
1.2 目标运动分析
1.2.1 匀速直线运动目标
1.2.2 目标状态测量系统
1.2.3 目标参数的可观测性
1.2.4 结论
1.3 目标状态与参数的估计方法
1.3.1 运动系统的离散时间模型
1.3.2 具有（r，σ，β）观测的极大似然估计法（MLE）
1.3.3 纯角度（σ，β）观测的极大似然估计
1.3.4 纯方位β观测下的极大似然估计
1.3.5 纯方位β观测下目标参数的极大似然估计
1.4 纯方位目标运动分析问题的研究进展
1.4.1 目外纯方位问题研究的历史回顾
1.4.2 纯方位问题研究的基本情况
1.4.3 外目前的研究进展与热点

第二章 静止单站纯方位目标运动分析
2.1 概述
2.2 坐标系与测量方程
2.3 系统的可观测性分析
2.4 目标参数的拟线性估计算法（PLE）
2.4.1 PLE算法的建立
2.4.2 PLE算法的计算分析
2.5 使用辅助变量的目标定位算法（IVPLE）
2.5.1 问题的描述
2.5.2 估计目标参数的辅助变量法
2.5.3 标量递推算法
2.6 辅助变量（IVPLE）法消除估计偏倚计算验证

第三章 运动单站纯方位目标定位分析
3.1 概述
3.2 问题的数学描述
3.3 观测方程的建立
3.4 卡尔曼估计算法系
3.5 地理坐标系下的加权 小二乘估计
3.5.1 公式系的推导
3.5.2 小二乘法的累积算式
3.5.3 目标运动状态的预测方程
3.6 常用 小二乘估计算法的性能比较
3.6.1 初始方位坐标系下的估计算法
3.6.2 两种算法的性能比较
3.7 改善估计性能的方法
3.7.1 估计误差方程
3.7.2 改善估计有偏的途径

第四章 基于粒子滤波的被动跟踪算法
4.1 概述
4.2 被动跟踪的系统模型
4.3 粒子滤波算法原理
4.3.1 贝叶斯估计理论
4.3.2 递推形式的贝叶斯估计
4.3.3 基本粒子滤波算法
4.4 改进粒子滤波算法在被动跟踪中的应用
4.4.1 高斯和粒子滤波
4.4.2 Unscented粒子滤波

第五章 多站纯方位目标定位分析
5.1 概述
5.2 多站系统的数学描述
5.3 目标参数的可观测性分析
5.3.1 计算矩阵A和向量B的公式
5.3.2 detA=0厦B=0的条件
5.3.3 系统不可观测的情形
5.4 目标定位融合算法
5.4.1 分布估计集中融合定位算法
5.4.2 集中融合式定位算法
5.4.3 网络水雷阵的应用例子

第六章 纯方位系统不可观测条件分析
6.1 可观测性问题的描述
6.2 可观测性分析
6.3 系统不可观测的几个结论
6.4 对不可观测情形的分析

第七章 观测器平台机动航路优化研究
7.1 定位与跟踪误差的下限
7.2 航路优化问题的提出
7.3 观测器航路对定位精度的影响
7.3.1 匀速直线运动的定位精度分析
7.3.2 恒提前角运动的定位精度分析
7.4 潜艇典型航路的定位精度分析
7.4.1 接敌跟踪基本航路
7.4.2 典型的接敌跟踪航路
7.4.3 定位精度分析
7.5 航路优化的方法
7.5.1 对固定目标纯方位定位的观测器的航路优化
7.5.2 对运动目标跟踪的观测器的航路优化
7.5.3 仿真计算与结论

第八章 被动跟踪水下无线传感网络
8.1 概述
8.2 UWSN中的节点自定位算法
8.2.1 基本原理
8.2.2 自定位过程
8.2.3 自定位通信协议设计
8.2.4 自定位仿真
8.3 分布式跟踪系统结构
8.3.1 动态分簇分布式跟踪结构
8.3.2 高斯混和模型近似
8.4 UWSN中的分布式粒子滤波被动跟踪算法
8.4.1 并行粒子滤波算法
8.4.2 信息粒子滤波算法
8.4.3 仿真比较研究
参考文献